Audio
Se réfère aux ondes sonores avec une fréquence sonore entre 20 Hz et 20 kHz qui peuvent être entendues par l'oreille humaine.
Si vous ajoutez une carte audio correspondante à l'ordinateur - la carte son, nous disons souvent, nous pouvons enregistrer tous les sons, et les caractéristiques acoustiques du son, telles que le niveau du son, peuvent être stockées sous forme de fichiers sur le disque dur de l'ordinateur. disque. Inversement, nous pouvons également utiliser un certain programme audio pour lire le fichier audio stocké afin de restaurer le son précédemment enregistré.
1 Format de fichier audio
Le format de fichier audio fait spécifiquement référence au format du fichier stockant les données audio. Il existe de nombreux formats différents.
La méthode générale d'obtention de données audio consiste à échantillonner (quantifier) la tension audio à un intervalle de temps fixe et à stocker le résultat à une certaine résolution (par exemple, chaque échantillon de CDDA est de 16 bits ou 2 octets). L'intervalle d'échantillonnage peut avoir des normes différentes. Par exemple, CDDA utilise 44,100 48,000 fois par seconde; Le DVD utilise 96,000 2 ou XNUMX XNUMX fois par seconde. Par conséquent, la [fréquence d'échantillonnage], la [résolution] et le nombre de [canaux] (par exemple, XNUMX canaux pour la stéréo) sont les paramètres clés du format de fichier audio.
1.1 Perte et sans perte
Selon le processus de production de l'audio numérique, le codage audio ne peut être qu'infiniment proche des signaux naturels. Au moins, la technologie actuelle ne peut que faire cela. Tout schéma de codage audio numérique est avec perte car il ne peut pas être complètement restauré. Dans les applications informatiques, le plus haut niveau de fidélité est le codage PCM, qui est largement utilisé pour la préservation du matériel et l'appréciation de la musique. Il est utilisé dans les CD, les DVD et nos fichiers WAV courants. Par conséquent, PCM est devenu un encodage sans perte par convention, car PCM représente le meilleur niveau de fidélité en audio numérique.
Il existe deux principaux types de formats de fichiers audio:
Formats sans perte, tels que WAV, PCM, TTA, FLAC, AU, APE, TAK, WavPack (WV)
Formats avec perte, tels que MP3, Windows Media Audio (WMA), Ogg Vorbis (OGG), AAC
2 introduction des paramètres
2.1 Taux d'échantillonnage
Fait référence au nombre d'échantillons sonores obtenus par seconde. Le son est en fait une sorte d'onde d'énergie, il a donc également les caractéristiques de fréquence et d'amplitude. La fréquence correspond à l'axe des temps et l'amplitude correspond à l'axe des niveaux. La vague est infiniment douce et la corde peut être considérée comme composée d'innombrables points. L'espace de stockage étant relativement limité, les points de la chaîne doivent être échantillonnés pendant le processus de codage numérique.
Le processus d'échantillonnage consiste à extraire la valeur de fréquence d'un certain point. Évidemment, plus on extrait de points en une seconde, plus on obtient d'informations de fréquence. Afin de restaurer la forme d'onde, plus la fréquence d'échantillonnage est élevée, meilleure est la qualité du son. Plus la restauration est réelle, mais en même temps elle occupe plus de ressources. En raison de la résolution limitée de l'oreille humaine, une fréquence trop élevée ne peut pas être distinguée. La fréquence d'échantillonnage de 22050 est couramment utilisée, 44100 est déjà une qualité sonore CD, et l'échantillonnage de plus de 48,000 96,000 ou 24 XNUMX n'a plus de sens pour l'oreille humaine. Ceci est similaire aux XNUMX images par seconde dans les films. Si c'est stéréo, l'échantillon est doublé et le fichier est presque doublé.
Selon la théorie d'échantillonnage de Nyquist, afin de s'assurer que le son n'est pas déformé, la fréquence d'échantillonnage doit être d'environ 40 kHz. Nous n'avons pas besoin de savoir comment ce théorème est né. Il suffit de savoir que ce théorème nous dit que si nous voulons enregistrer un signal avec précision, notre fréquence d'échantillonnage doit être supérieure ou égale à deux fois la fréquence maximale du signal audio. Rappelez-vous, c'est la fréquence maximale.
Dans le domaine de l'audio numérique, les taux d'échantillonnage couramment utilisés sont:
8000 Hz - le taux d'échantillonnage utilisé par le téléphone, ce qui est suffisant pour la parole humaine
Fréquence d'échantillonnage de 11025 Hz utilisée par le téléphone
Fréquence d'échantillonnage de 22050 Hz utilisée dans la radiodiffusion
Fréquence d'échantillonnage de 32000 Hz pour caméscope vidéo numérique miniDV, DAT (mode LP)
CD audio 44100 Hz, également couramment utilisé comme taux d'échantillonnage pour l'audio MPEG-1 (VCD, SVCD, MP3)
Fréquence d'échantillonnage de 47250 Hz utilisée par les enregistreurs PCM commerciaux
Taux d'échantillonnage de 48000 Hz pour le son numérique utilisé dans les miniDV, la télévision numérique, les DVD, les DAT, les films et l'audio professionnel
Fréquence d'échantillonnage de 50000 Hz utilisée par les enregistreurs numériques commerciaux
96000 Hz ou 192000 Hz - la fréquence d'échantillonnage utilisée pour les DVD audio, certaines pistes audio DVD LPCM, les pistes audio BD-ROM (Blu-ray Disc) et les pistes audio HD-DVD (DVD haute définition)
2.2 Nombre de bits d'échantillonnage
Le nombre de bits d'échantillonnage est également appelé taille d'échantillonnage ou nombre de bits de quantification. C'est un paramètre utilisé pour mesurer la fluctuation du son, c'est-à-dire la résolution de la carte son ou peut être compris comme la résolution de la carte son traitée par la carte son. Plus la valeur est élevée, plus la résolution est élevée et plus le son enregistré et lu est réaliste. Le bit de la carte son fait référence aux chiffres binaires du signal sonore numérique utilisé par la carte son lors de la collecte et de la lecture de fichiers son. Le bit de la carte son reflète objectivement la précision de la description du signal sonore numérique du signal sonore d'entrée. Les cartes son courantes sont principalement 8 bits et 16 bits. De nos jours, tous les produits grand public du marché sont des cartes son 16 bits et plus.
Chaque donnée échantillonnée enregistre l'amplitude et la précision d'échantillonnage dépend du nombre de bits d'échantillonnage:
1 octet (c'est-à-dire 8 bits) ne peut enregistrer que 256 nombres, ce qui signifie que l'amplitude ne peut être divisée qu'en 256 niveaux;
2 octets (c'est-à-dire 16 bits) peuvent être aussi petits que 65536, ce qui est déjà un standard CD;
4 octets (soit 32 bits) peuvent subdiviser l'amplitude en 4294967296 niveaux, ce qui est vraiment inutile.
2.3 Nombre de canaux
Autrement dit, le nombre de canaux sonores. Le mono et la stéréo (double canal) communs ont maintenant évolué vers un surround à quatre sons (quatre canaux) et 5.1 canaux.
2.3.1 Singe
Le mono est une forme relativement primitive de reproduction sonore, et les premières cartes son l'utilisaient plus couramment. Le son mono ne peut être émis qu'à l'aide d'un seul haut-parleur, et certains sont également traités en deux haut-parleurs pour reproduire le même canal sonore. Lorsque des informations monophoniques sont lues via deux haut-parleurs, nous pouvons clairement sentir que le son provient de deux haut-parleurs. Il est impossible de déterminer l'emplacement spécifique de la source sonore qui est transmise à nos oreilles à partir du milieu du haut-parleur.
2.3.2 stéréo
Les canaux binauraux ont deux canaux sonores. Le principe est que lorsque les gens entendent un son, ils peuvent juger de la position spécifique de la source sonore en fonction de la différence de phase entre les oreilles gauche et droite. Le son est attribué à deux canaux indépendants pendant le processus d'enregistrement, de manière à obtenir un bon effet de localisation sonore. Cette technique est particulièrement utile dans l'appréciation de la musique. L'auditeur peut clairement distinguer la direction d'où proviennent divers instruments, ce qui rend la musique plus imaginative et plus proche de l'expérience sur place.
Deux voix sont actuellement les plus utilisées. Au karaoké, l'un sert à jouer de la musique et l'autre à la voix du chanteur; en VCD, l'un est doublé en mandarin et l'autre en cantonais.
2.3.3 Surround quatre tons
Le surround à quatre canaux définit quatre points de sondage, avant gauche, avant droit, arrière gauche et arrière droit, et le public est entouré par ceux-ci. Il est également recommandé d'ajouter un subwoofer pour renforcer le traitement de lecture des signaux basse fréquence (c'est la raison pour laquelle les systèmes d'enceintes à 4.1 canaux sont très populaires aujourd'hui). En ce qui concerne l'effet global, le système à quatre canaux peut apporter aux auditeurs un son surround de plusieurs directions différentes, peut obtenir l'expérience auditive d'être dans une variété d'environnements différents et offrir aux utilisateurs une toute nouvelle expérience. De nos jours, la technologie à quatre canaux a été largement intégrée dans la conception de diverses cartes son de milieu à haut de gamme, devenant ainsi la tendance dominante du développement futur.
2.3.4 5.1 canal
5.1 canaux ont été largement utilisés dans divers théâtres traditionnels et cinémas maison. Certains des formats de compression d'enregistrement sonore les plus connus, tels que Dolby AC-3 (Dolby Digital), DTS, etc., sont basés sur le système audio 5.1. Le canal ".1" est un canal de subwoofer spécialement conçu qui peut produire des subwoofers avec une plage de réponse en fréquence de 20 à 120 Hz. En fait, le système audio 5.1 vient du surround 4.1, la différence est qu'il ajoute une unité centrale. Cette unité centrale est chargée de transmettre le signal sonore en dessous de 80 Hz, ce qui est utile pour renforcer la voix humaine lors du visionnage du film, et concentrer le dialogue au milieu de tout le champ sonore pour augmenter l'effet global.
À l'heure actuelle, de nombreux lecteurs de musique en ligne, tels que QQ Music, ont fourni de la musique 5.1 canaux pour l'écoute d'essai et le téléchargement.
2.4 Couleurs
Le concept des images audio n'est pas aussi clair que celui des images vidéo. Presque tous les formats d'encodage vidéo peuvent simplement considérer une image comme une image encodée. Cependant, la trame audio est liée au format de codage, qui est implémenté par chaque norme de codage.
Par exemple, dans le cas de PCM (données audio non codées), il n'a pas du tout besoin du concept de trames, et peut être lu en fonction de la fréquence d'échantillonnage et de la précision d'échantillonnage. Par exemple, pour le double audio avec une fréquence d'échantillonnage de 44.1 kHz et une précision d'échantillonnage de 16 bits, vous pouvez calculer que le débit binaire est de 44100162 bps et que les données audio par seconde sont de 44100162/8 octets fixes.
Le cadre amr est relativement simple. Il stipule que toutes les 20 ms d'audio est une image, et chaque image audio est indépendante, et il est possible d'utiliser différents algorithmes d'encodage et différents paramètres d'encodage.
La trame mp3 est un peu plus compliquée et contient plus d'informations, telles que le taux d'échantillonnage, le débit binaire et divers paramètres.
cycles 2.5
Le nombre d'images requises par un appareil audio pour le traitement à la fois, l'accès aux données de l'appareil audio et le stockage des données audio sont tous basés sur cet appareil.
2.6 Mode entrelacé
La méthode de stockage du signal audio numérique. Les données sont stockées dans des trames continues, c'est-à-dire que les échantillons de canal gauche et les échantillons de canal droit de la trame 1 sont enregistrés en premier, puis l'enregistrement de la trame 2 est démarré.
2.7 Mode non entrelacé
Tout d'abord, enregistrez les échantillons du canal gauche de toutes les images dans une période, puis enregistrez tous les échantillons du canal droit.
2.8 Débit binaire (débit binaire)
Le débit binaire est également appelé débit binaire, qui fait référence à la quantité de données lues par la musique par seconde. L'unité est exprimée en bit, qui est un bit binaire. bps est le débit binaire. b est bit (bit), s est seconde (seconde), p est chaque (par), un octet équivaut à 8 bits binaires. C'est-à-dire que la taille du fichier d'une chanson de 4 minutes de 128bps est calculée comme ceci (128/8) 460 = 3840kB = 3.8MB, 1B (Byte) = 8b (bit), généralement mp3 est bénéfique à environ 128 bits taux, et c'est probablement La taille est d'environ 3-4 BM.
Dans les applications informatiques, le plus haut niveau de fidélité est l'encodage PCM, qui est largement utilisé pour la préservation du matériel et l'appréciation de la musique. Des CD, des DVD et nos fichiers WAV communs sont tous utilisés. Par conséquent, le PCM est devenu un codage sans perte par convention, car le PCM représente le meilleur niveau de fidélité en audio numérique. Cela ne signifie pas que PCM peut assurer la fidélité absolue du signal. Le PCM ne peut atteindre que la proximité infinie maximale.
Le calcul du débit binaire d'un flux audio PCM est une tâche très simple, valeur du taux d'échantillonnage × valeur de la taille d'échantillonnage × numéro de canal bps. Un fichier WAV avec une fréquence d'échantillonnage de 44.1 KHz, une taille d'échantillonnage de 16 bits et un codage PCM double canal, son débit de données est de 44.1 K × 16 × 2 = 1411.2 Kbps. Notre CD audio commun utilise l'encodage PCM, et la capacité d'un CD ne peut contenir que 72 minutes d'informations musicales.
Un signal audio codé PCM à deux canaux nécessite 176.4 Ko d'espace en 1 seconde et environ 10.34 Mo en 1 minute. Ceci est inacceptable pour la plupart des utilisateurs, en particulier ceux qui aiment écouter de la musique sur l'ordinateur. Occupation du disque, il n'y a que deux méthodes, l'index de sous-échantillonnage ou la compression. Il n'est pas conseillé de réduire l'indice d'échantillonnage, c'est pourquoi les experts ont développé divers schémas de compression. Les plus originaux sont DPCM, ADPCM, et le plus connu est le MP3. Par conséquent, le taux de code après la compression des données est bien inférieur au code d'origine.
2.9 Exemple de calcul
Par exemple, la longueur de fichier de «Windows XP startup.wav» est de 424,644 22050 octets, au format «16 HZ / XNUMX bits / stéréo».
Ensuite, son taux de transmission par seconde (débit binaire, également appelé débit binaire, taux d'échantillonnage) est de 22050162 = 705600 (bps), converti en unité d'octets est 705600/8 = 88200 (octets par seconde), temps de lecture: 424644 (total d'octets) / 88200 (octets par seconde) ≈ 4.8145578 (secondes).
Mais ce n'est pas assez précis. Le fichier WAVE (* .wav) au format PCM standard contient au moins 42 octets d'informations d'en-tête, qui doivent être supprimées lors du calcul de la durée de lecture, il y a donc: (424644-42) / (22050162/8) ≈ 4.8140816 ( secondes). C'est plus précis.
3 encodage audio PCM
PCM signifie Pulse Code Modulation. Dans le processus PCM, le signal analogique d'entrée est échantillonné, quantifié et codé, et le nombre codé binaire représente l'amplitude du signal analogique ; l'extrémité réceptrice restaure ensuite ces codes au signal analogique d'origine. C'est-à-dire que la conversion A/N de l'audio numérique comprend trois processus : l'échantillonnage, la quantification et l'encodage.
Le taux d'adoption du PCM vocal est de 8 kHz et le nombre de bits d'échantillonnage est de 8 bits, de sorte que le débit de code du signal vocal codé numérique est de 8 bits × 8 kHz = 64 kbps = 8 Ko / s.
3.1 Principes du codage audio
Quiconque a une certaine base électronique sait que le signal audio collecté par le capteur est une quantité analogique, mais ce que nous utilisons dans le processus de transmission réel est une quantité numérique. Et cela implique le processus de conversion de l'analogique au numérique. Le signal analogique doit passer par trois processus, à savoir l'échantillonnage, la quantification et le codage, pour réaliser la technologie de modulation par impulsions codées (PCM, Pulse Coding Modulation) de la numérisation vocale.
Processus de conversion
3.1.1 Échantillonnage
L'échantillonnage est le processus d'extraction d'échantillons (taux d'échantillonnage) d'un signal analogique à une fréquence qui est plus de 2 fois la largeur de bande du signal (théorème d'échantillonnage de Lequist) et de le transformer en un signal d'échantillonnage discret sur l'axe des temps.
Taux d'échantillonnage: le nombre d'échantillons extraits d'un signal continu par seconde pour former un signal discret, exprimé en Hertz (Hz).
échantillon:
Par exemple, la fréquence d'échantillonnage du signal audio est de 8000 XNUMX Hz.
On comprend que l'échantillon de la figure ci-dessus correspond à la courbe du changement de tension avec le temps sur la figure pendant 1 seconde, puis la valeur inférieure 1 2 3… 10, car il devrait y avoir 1-8000 points, c'est-à-dire 1 seconde est divisée en 8000 parties, puis retirez-les à son tour La valeur de tension correspondant à ce temps de 8000 points.
3.1.2 Quantification
Bien que le signal échantillonné soit un signal discret sur l'axe des temps, il s'agit toujours d'un signal analogique, et sa valeur d'échantillonnage peut avoir un nombre infini de valeurs dans une certaine plage de valeurs. La méthode «d'arrondi» doit être adoptée pour «arrondir» les valeurs d'échantillon, de sorte que les valeurs d'échantillon dans une certaine plage de valeurs passent d'un nombre infini de valeurs à un nombre fini de valeurs. quantification.
Nombre d'échantillons de bits: fait référence au nombre de bits utilisés pour décrire le signal numérique.
8 bits (8 bits) représentent 2 à la 8e puissance = 256, 16 bits (16 bits) représentent 2 à la 16e puissance = 65536;
échantillon:
Par exemple, la plage de tension collectée par le capteur audio est de 0 à 3.3 V et le numéro d'échantillonnage est de 8 bits (bit)
Autrement dit, nous considérons 3.3 V / 2 ^ 8 = 0.0128 comme la précision de quantification.
Nous divisons 3.3 v en 0.0128 comme axe Y pas à pas, comme le montre la figure 3, 1 2… 8 devient 0 0.0128 0.0256… 3.3 V
Par exemple, la valeur de tension d'un point d'échantillonnage est de 1.652 V (entre 1280.128 et 1290.128). On l'arrondit à 1.65V et le niveau de quantification correspondant est de 128.
3.1.3 Encodage
Le signal d'échantillonnage quantifié est transformé en une série de flux de code numérique décimal agencés selon la séquence d'échantillonnage, c'est-à-dire le signal numérique décimal. Un système de données simple et efficace est un système de code binaire. Par conséquent, le code numérique décimal doit être converti en code binaire. En fonction du nombre total de codes numériques décimaux, le nombre de bits requis pour le codage binaire peut être déterminé, c'est-à-dire la longueur du mot (nombre de bits d'échantillonnage). Ce processus de transformation du signal échantillon quantifié en un flux de code binaire avec une longueur de mot donnée est appelé codage.
échantillon:
Ensuite, 1.65 V ci-dessus correspond à un niveau de quantification de 128. Le système binaire correspondant est 10000000. Autrement dit, le résultat du codage du point d'échantillonnage est 10000000. Bien sûr, il s'agit d'une méthode de codage qui ne prend pas en compte les valeurs positives et négatives , et il existe de nombreux types de méthodes de codage qui nécessitent une analyse spécifique de problèmes spécifiques. (Le codage au format audio PCM est un codage polyligne A-law 13)
3.2 Codage audio PCM
Le signal PCM n'a subi aucun encodage et compression (compression sans perte). Comparé aux signaux analogiques, il n'est pas facilement affecté par l'encombrement et la distorsion du système de transmission. La plage dynamique est large et la qualité sonore est assez bonne.
3.2.1 Codage PCM
Le codage utilisé est le codage polyligne A-law 13.
Pour plus de détails, veuillez vous référer à: Codage vocal PCM
3.2.2 Canal
Les canaux peuvent être divisés en mono et stéréo (double canal).
Chaque valeur d'échantillon de PCM est contenue dans un entier i, et la longueur de i est le nombre minimum d'octets requis pour accepter la longueur d'échantillon spécifiée.
Taille de l'échantillon Format de données Valeur minimale Valeur maximale
PCM 8 bits non signé int 0 225
PCM 16 bits int -32767 32767
Pour les fichiers son mono, les données d'échantillonnage sont un entier court de 8 bits (short int 00H-FFH) et les données d'échantillonnage sont stockées dans l'ordre chronologique.
Fichier son stéréo à deux canaux, chaque donnée d'échantillonnage est un entier de 16 bits (entier), les huit bits supérieurs (canal gauche) et les huit bits inférieurs (canal droit) représentent respectivement deux canaux et les données d'échantillonnage sont dans l'ordre chronologique Déposez dans un ordre alternatif.
Il en est de même lorsque le nombre de bits d'échantillonnage est de 16 bits et que le stockage est lié à l'ordre des octets.
Format de données PCM
Tous les protocoles réseau utilisent la méthode big endian pour transmettre des données. Par conséquent, la méthode big endian est également appelée ordre des octets du réseau. Lorsque deux hôtes avec un ordre d'octet différent communiquent, ils doivent être convertis en ordre d'octet réseau avant d'envoyer des données avant de transmettre.
4G.711
En PCM général, le signal analogique subit un certain traitement (tel qu'une compression d'amplitude) avant d'être numérisé. Une fois numérisé, le signal PCM est généralement traité plus avant (comme la compression de données numériques).
G.711 est un algorithme de signal numérique multimédia standard (compression/décompression) qui mmodule le code d'impulsion de l'UIT-T. C'est une technique d'échantillonnage pour numériser des signaux analogiques, en particulier pour les signaux audio. Le PCM échantillonne le signal 8000 fois par seconde, 8KHz ; chaque échantillon est de 8 bits, un total de 64Kbps (DS0). Il existe deux normes pour le codage des niveaux d'échantillonnage. L'Amérique du Nord et le Japon utilisent la norme Mu-Law, tandis que la plupart des autres pays utilisent la norme A-Law.
La loi A et la loi u sont deux méthodes de codage de PCM. Le PCM A-law est utilisé en Europe et dans mon pays, et Mu-law est utilisé en Amérique du Nord et au Japon. La différence entre les deux est la méthode de quantification. La loi A utilise la quantification 12 bits et la loi u utilise la quantification 13 bits. La fréquence d'échantillonnage est de 8 KHz, et les deux sont des méthodes d'encodage 8 bits.
Compréhension simple: PCM est les données audio originales collectées par l'équipement audio. G.711 et AAC sont deux algorithmes différents, qui peuvent compresser les données PCM à un certain rapport, économisant ainsi de la bande passante dans la transmission réseau.
Notre autre produit:
